(1)ニューラルネットワークによる自然言語処理解析は、可能であることを示す論文の名前と、その論文作者、投稿されている学会の名前
(2)ニューラルネットワークをもちいた自然言語処理解析について、実現可能性があることを示す記事へのURL。ただし2006年以降のもの
以上何卒よろしくお願いいたします。
新しい情報があまりなくてすみません。
下記の論文では、自然言語処理(解析)ではSVM(サポートベクタマシーン)がよく用いられていると記載されています。
http://ci.nii.ac.jp/naid/110002911719/
http://ci.nii.ac.jp/naid/10018011909/
サポートベクタマシーン(SVM)
http://www.neurosci.aist.go.jp/~kurita/lecture/svm/svm.html
名前や式はどうであれ、これらは何らかの非線型素子とエネルギー関数をもった結合ネットワークであることには変りありません。
他の方も述べていらっしゃいましたが、自然言語処理と言っても
- 形態素解析
- 構文解析
- 意味解析
- 文脈解析
- 言語理解
- 文の生成
のようにいろんな着眼点や解析ロジックがあり、その仕組みはスクラッチでのプログラミングだろうと、統計や代数計算であろうと、このようなニューラルネットワークなどの手法を使おうと、それらはあくまでもツールの問題であって、それらのツールをどのように組み合わせてどのように活用するかによって、あるいはその目標がどこにあるのか?によって可能か不可能か?という議論は変ってくると思います。
私の個人的な感想ですが、
【ニューラルネットワークの有利な点】
・人間がロジックを設計・仮定する必要がない。
・学習の度合いをきつくすることもゆるやかにすることも可能。
→「完璧」な処理を目指すのではなく、「なんとなく」というぼんやりした処理を目指すには良いのでは?
【ニューラルネットワークの不利な点】
・メモリを大量に消費する。メモリ効率や計算効率が悪い。
→これは人間の脳にも似ていますが、確保したニューロンのメモリエリアに対して10%くらいのデータしか、保持できない。それ以上の過学習をすると、学習データが壊れる。
・ミッションクリティカルな処理に向かない。
→学習していないことに対してどのような応答を示すか検討がつかないので、判らなければ処理を中断してほしいというアルゴリズムがニューラルネットそのものには組み込めない。
ということで、ニューラルネットのみで実装するというより、他のロジックや統計などと組み合わせたハイブリッド方式や、もうすこし、挙動がトレースしやすいSVMなどが流行るのだと思います。
おそらくご質問の中の「自然言語処理解析」というのが何を指しているのかが不明なので、ピントのずれた回答になるかと思いますが。一口に自然言語処理といっても、いくつものレベルでの研究があり、どれを指しているかで回答は異なってくることと思います。
自然言語処理の分野でニューラルネットワークを用いた研究は多くあります。というか、ニューラルネットワークは古典的なパターン認識技術の一つに過ぎませんから、それを自然言語処理の分野のさまざまな応用に用いることは相当昔から行われています。広く言えば、学習問題に落とせるような言語処理の分野では一通り使われている技術ではないでしょうか。
少し関連しそうな話としては、ニューラルネットワークによるモデルでは、どの特徴量が効いているかといった失敗分析を含めた分析、デバッグが難しいという話くらいは、以前知人から聞いたことがありますが。
とりあえず情報学研究所のCiNiiデータベースで、「ニューラルネットワーク AND 自然言語処理」で検索した新しい順から10件を載せておきます。中身は見てませんがおそらく、いずれもニューラルネットワークを学習手法として用いた研究であるように推測できます。大まかな用例の傾向や使われている分野の学術雑誌の見当はつくのではないかと思います。
ご回答ありがとうございました!!
新しい情報があまりなくてすみません。
下記の論文では、自然言語処理(解析)ではSVM(サポートベクタマシーン)がよく用いられていると記載されています。
http://ci.nii.ac.jp/naid/110002911719/
http://ci.nii.ac.jp/naid/10018011909/
サポートベクタマシーン(SVM)
http://www.neurosci.aist.go.jp/~kurita/lecture/svm/svm.html
名前や式はどうであれ、これらは何らかの非線型素子とエネルギー関数をもった結合ネットワークであることには変りありません。
他の方も述べていらっしゃいましたが、自然言語処理と言っても
- 形態素解析
- 構文解析
- 意味解析
- 文脈解析
- 言語理解
- 文の生成
のようにいろんな着眼点や解析ロジックがあり、その仕組みはスクラッチでのプログラミングだろうと、統計や代数計算であろうと、このようなニューラルネットワークなどの手法を使おうと、それらはあくまでもツールの問題であって、それらのツールをどのように組み合わせてどのように活用するかによって、あるいはその目標がどこにあるのか?によって可能か不可能か?という議論は変ってくると思います。
私の個人的な感想ですが、
【ニューラルネットワークの有利な点】
・人間がロジックを設計・仮定する必要がない。
・学習の度合いをきつくすることもゆるやかにすることも可能。
→「完璧」な処理を目指すのではなく、「なんとなく」というぼんやりした処理を目指すには良いのでは?
【ニューラルネットワークの不利な点】
・メモリを大量に消費する。メモリ効率や計算効率が悪い。
→これは人間の脳にも似ていますが、確保したニューロンのメモリエリアに対して10%くらいのデータしか、保持できない。それ以上の過学習をすると、学習データが壊れる。
・ミッションクリティカルな処理に向かない。
→学習していないことに対してどのような応答を示すか検討がつかないので、判らなければ処理を中断してほしいというアルゴリズムがニューラルネットそのものには組み込めない。
ということで、ニューラルネットのみで実装するというより、他のロジックや統計などと組み合わせたハイブリッド方式や、もうすこし、挙動がトレースしやすいSVMなどが流行るのだと思います。
たいへんわかりやすい説明、ありがとうございました!
たいへんわかりやすい説明、ありがとうございました!